平台型的产品，我们是很难感知到有具体的运营人员或者社群在和我们接触，是怎么做用户运营呢？
这个典型的产品代表就是淘宝的猜你喜欢了
我们回顾一下数据思维驱动下的环节，都有那些步骤
1）标准化用户数据的搜集，明确用户的标签
2）分析对比用户标签
3）基于不同用户标签的数据变化，形成运营反馈
淘宝的猜你喜欢为什么总能猜中你喜欢什么呢？之前网上网传黑科技淘宝，刚和朋友聊天说了想钓鱼，就能看到淘宝推荐的蚯蚓，挺吓人的，先暂且不论这个是真是假吧，但我们能感觉到淘宝的的猜你喜欢总有让我们想要源源不断看下去的欲望，总发给我们我们特别想点开的图片，这背后，其实是增加了单个用户的粘性，也增加了单个用户的 urpu 值的，实际上驱动这一切发生的就是数据驱动的用户运营的逻辑
单词解释：ARPU(ARPU-AverageRevenuePerUser)即每用户平均收入。用于衡量电信运营商和互联网公司业务收入的指标。ARPU 注重的是一个时间段内运营商从每个用户所得到的收入。很明显，高端的用户越多，ARPU 越高。在这个时间段，从运营商的运营情况来看，ARPU 值高未必说明利润高，因为利润还需要考虑成本，如果每用户的成本也很高，那么即使 ARPU 值很高，利润也未必高。
1）淘宝的猜你喜欢都需要那些搜集的标签呢？
很明显有用户所青睐的商品的标签，喜欢什么样的商品，在商品中一般倾向于什么价位区间的商品，喜欢的商品是什么风格的，喜欢浏览价格偏低还是价格偏高的产品，有了基于商品特征的标签，另外用户身上有什么标签呢，年龄，喜好，买东西的时间段，买不同种类的商品大概购买的频次是什么样子，平均每个月在淘宝上的消费，不同季节在淘宝上的消费是个什么情况
当然也需要用用户具体的行为数据，例如这个商品被用户看到之后，用户停留在这个屏幕上的时间，点击到商品页面后停留的时间，是否加购物车，是否收藏，收否购买，是否领取优惠卷等等，都是需要记录下来的用户行为，这背后也是代表了用户对这个推荐的接受程度
2）分析对比用户标签
当对用户不断的有数据的统计了之后，就需要开始分析比对用户的标签了
用户喜欢的商品和用户本身的标签其实是用户的边界，我们有的时候推荐用户边界内的商品，可以知道用户对这样的商品有兴趣，但是这还不够，用户边界内的商品是用户感兴趣的商品，但是未必足以促使用户的转化，能够促使用户转化的商品，是那些让用户有一点点惊喜感的商品信息
例如特别便宜，或者是用户过去没有关注过的一种新鲜商品，比如说用户通常买这款笔记本需要 35 块钱，按照正常的逻辑我们会推荐给用户 30～40 块钱的笔记本，但这不足以吸引用户的注意力，实际上我们可能还会推荐一些 15 块钱的笔记本或者 80 块钱的笔记本，让用户看到他们日常购买认知范围以外的笔记本，如果 15 块让用户觉得性价比特别高，就有可能促使用户更快速的形成购买转化，而 80 块的笔记本，也有极大可能性因为所具备的独特特色让用户发现居然还有这种好东西，从而形成转化，所以在用户分析反馈的时候是需要把用户放到更多场景下去做分析的
3）猜你喜欢应该怎么基于不同用户标签的数据变化，形成运营反馈
例如我们会推荐给用户标签外的一些商品，用户面对这些商品的时候会有不同的反应，除了购买以外，可能会浏览很久，可能会收藏，可能会加入购物车，也有可能浏览一下就关掉，为了确保每一次推荐的商品能够达到尽可能高的转化
我们可以关注到，用户对笔记本的品质要求更高，推荐超出他正常消费边界的笔记本都愿意尝试，但是他对于零食就非常忠诚，薯片就只喜欢这个薯片，那么我们只用在薯片这个品类上推荐给他性价比最高的那几款就好了，相应的商品的推荐策略就可以根据这些数据进行调整
以上就是典型的平台型的产品，怎么用平台的能力以数据来驱动用户的运营
